城市交通干线绿波带全局优化方法(1)
相关主题
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
1. Department of Automation, Shanghai Jiaotong University and Key Laboratory of System Control and Information Processing,Ministry of Education of China, Shanghai, 200240 E-mail: huting@sjtu.edu.cn; jcwang@sjtu.edu.cn 2. Chongqing Research Institute, ZTE, Chongqing, 400060 E-mail: fu.qiang6@zte.com.cn Abstract: By analyzing the complexity of traffic flows in the urban intersections, we find out the Fuzzy Control Algorithm can better apply to the signal control of the intersections, which can deal with the uncertainty, randomness and burstiness of the traffic flows. But when introducing this method to the Green Wave Control of several crucial intersections, we cannot avoid the explosive growth of the Fuzzy Rules and the tremendous decrease of the control effects. Thus we propose a Global Optimization Control Strategy, which optimizes the single intersection with Fuzzy Control Algorithm and optimizes the global parameters with Particle Swarm Optimization. While keeping the sound control effect of the single intersection, the method can form a Green Wave Band in the arterial traffic with the least global delay time. Key Words: Fuzzy Control Algorithm, Particle Swarm Optimization, Global Optimization Strategy, Green Wave Band.
Qi ,i 1 表示交叉路口 i 和 i 1 之间的车辆流量。 Qi 表 示交叉路口 i 绿波方向上的直行车流量。 qi ,north _ direct , qi ,north _ left 和 qi ,south _ direct , qi ,south _ right 分 别 表示路口 i 支路的上方汇入路口的直行车流量、 左转
车流量和下方汇入路口的直行车流量和右转车流
Q Qi / (Qi 1,i qi ,north _ left
i qi ,north _ total (1 i )qi ,south _ total )
(4)
三个模糊变量都被分割为{ PL, PS , ZO, NS , NL } 五个模糊语言[14]。根据经验可以建立如表1所示的 模糊控制策略集合。
1
条干线绿波带使用粒子群算法保证全局的平均车辆 等待时间适应度函数的取值最小。配置参数的结果 经由检测器采集后，及时反馈到模糊控制器的输入 端，不断提高适应度函数的性能。仿真结果表明， 该算法在若干个信号周期后，能够稳定提高整条绿 波带的车辆通过率。
量。可以估算从支路下方右转汇入交叉路口绿波方 向上的车流量为： (1) qi ,south _ right Qi ,i 1 Qi qi ,north _ left
当部署的检测器只能检测到右转和直行车辆总流 量时，动态比例系数 由下式确定：
2 道路建模
城市道路交通绿波控制考虑的是这样一种道路 情况：干线上有若干个交叉路口，可能是由干线和 其他二级道路形成的，也可能是干线和其他干线形 成的，并且相邻交叉路口之间的距离一般不大于800 米。若大部分交叉路口都是由干线和干线交叉形 成，绿波控制就没太大的实际意义。协调控制的目 的是使得尽量多的车辆不停车的通过若干个交叉路 口，减少车辆在交叉路口的平均等待时间。本文选 取上海市某段具有代表性的道路建立模型，如图1所 示。假设交叉路口周围部署的检测器数据可以得出 红灯时等待车辆的总长度、直行和左转流量。为了 简化模型，对交叉路口做如下假设：
2
表 1. R 和 Q 模糊关系规则表
Q
R PL PS ZO NS NL
般不超过90s，因此其隶属函数如图3（a）所示。流 量比 Q 的取值范围在 0~1 之间，其隶属函数如图2
NL NL NL NL NL NL
PL PS PS PL PL PL
PS ZO ZO PS PS PS
ZO NS NS ZO PS PS
田林路 田州路 东兰路 平南路
i qi ,south _ right / qi ,south _ total
1 1
N
N
(2)
qi ,south _ total 表示支路上方两车道检测器收集的 右转和直行总车流量， N 表示统计的周期数。由于
道路交通中安全性的要求，配比参数不能快速变 化，因而在若干个周期内估算动态比例系数 就有 了实际意义。 为了便于实现主干道交叉路口信号的协调控 制，绿波带内所有交叉路口应采用相同的周期长 度，个别车流量少的交叉路口也可以采取不同的周 期， 但是必须与共同周期成倍数关系。 公共周期 T0 的 确定以车辆总延误时间最小为前提的，采取Webster 提出的车辆平均延误时间的计算方法：
R1
R2
R 和 Q 的输出在单交叉路口控制中直接转换 为输出变量绿灯时间变化量 G 。但是在绿波控制 中，绿灯相位的开启时间与绿波方向上下一个交叉 路口绿灯开启时间必须保持一定的相位差，才能形 成绿波带。本文没有对相位差的计算模型进行建 模，而是引入了全局粒子群优化算法的结果作为相 位差优化模糊控制器的输入变量，从而将单个交叉 路口和全局绿波控制关联起来。 粒 子 群 算 法 输 出 值是绿波带车辆平均等待时 间。 设 P0 为若干个周期内平均等待时间的均值，P 也 为若干个周期内的平均等待时间均值，但 P 的取值 周期小于 P0 的取值周期。取平均值而不是实时值， 是为了保证调整信号的稳定性。 P / P0 的值在经过模 糊化处理后，作为相位差优化器的输入变量，具体 流程如图2。
古龙路 平吉路 顾戴路 平阳路
280m
760m
280m
380m
320m
300m
450m
图1. 上海市某路段实际交通路况图
干线上只考虑左转和直行车辆， 右转车辆不受 控制地通过交叉路口。二级道路由于车道数 限制，右转和直行占据同一个车道，直行车 辆用动态比例系数 折算求出，直行车辆以 非饱和流量形式离开等候车队并通过路口， 行驶速率同样用 求出。 红灯转变为绿灯后， 车辆经过最初加速后， 以 恒定速率（饱和流量）离开等候车队并通过 路口。 对于每个相位， 整个Biblioteka Baidu期分为绿灯时间和红灯 时间，忽略黄灯时间。 设在绿波方向上的交叉路口编号分别为 ， 1, 2 , i . . i., 1,n. . .n , 为绿波带内交叉路口总数。
城市交通干线绿波带全局优化方法
胡霆1，王景成1，赵广磊1，苗浩轩1，董振江2，张震玮2，何军2，付强2
1. 上海交通大学自动化系，系统控制与信息处理教育部重点实验室，上海 200240 E-mail: huting@sjtu.edu.cn; jcwang@sjtu.edu.cn 2. 中兴通讯股份有限公司重庆研究所，重庆 400060 E-mail: fu.qiang6@zte.com.cn 摘 要: 通过分析城市信号交叉路口交通流的复杂性,我们得出模糊控制方法在单个交叉路口的控制特性更为适 应交通流的不确定性、随机性和突发性.但是在将模糊控制理论引入绿波协调控制中去,对多个交叉路口设计模 糊控制器时, 不可避免的造成模糊逻辑的爆炸性增长以及控制效果的直线下降.本文结合模糊控制算法和粒子 群优化算法,提出一种对多交叉路口进行全局优化的控制策略,使用粒子群算法对全局性能参数进行优化,在保 证单个交叉路口控制效果不变的情况下,在交通路面上形成整体平均等待时间最小的绿波带. 关键词: 模糊控制,粒子群算法,全局优化策略,绿波带
此项目为中兴通讯公司资助项目；上海市青年科技启明星跟踪计划项目 （11QH1401300）
道路交叉的主干线上，就会面临模型失配的问题。 以后又相继提出了人工智能等算法。沈国江、孙优 贤[3]将模糊控制算法应用于单个交叉路口的信号控 制和相序优化，展现出模糊控制算法在复杂交通网 络中良好的优化效果，但是如果简单地推广到多交 叉路口时不可避免会遇到模糊规则爆炸的问题。 Y.Chong, C.Quek 和 P.Loh[4] 使用自组织的模糊神经 网络方法对交通流进行建模和分析，但是依然只是 针对单个路口进行优化。于万霞等人 [5]运用粒子群 优化方法对单个路口的模糊控制器参数进行优化， 显示出粒子群算法在全局寻优的过程中快速收敛的 性能。 本文结合模糊控制算法和粒子群优化算法，对 单个路口使用模糊控制器进行信号配比优化，对整
T0
1.5L 5 1 Y
(3)
其中 L 为一个信号周期内损失的时间， Y 为所 有相位关键车流量比率之和 。为了建立粒子群算法 的适应度函数，还需要对每个路口的平均等待时间 进行建模，当确定了流量计算公式和公共周期后， 就可以设计相应的控制器对交叉路口进行控制了。
3 模糊控制器设计
模糊数学针对包含非定量信息的不确定系统， 它能利用模糊集的概念将不确定信息定量地表示出 来，非常适用于绿波控制中难以精确确定数学模型 的情况。首先对单个路口建立彼此独立的配时控制 器，该模糊控制器有三个模糊变量：红灯时间 R 、 绿灯时间变化量 G 和绿波方向上的流量比 Q ：
1 引言
随着城市交通负荷的与日俱增，交通拥挤已经 成为现代城市交通的严重问题。为了提高城市交通 的通行能力，针对交叉路口信号灯的控制早已经被 研究。早在1981年，Little, John D. C, Kelson[1]等人 就提出了一种优化道路交通的 MAXBAND 法 , 然而 这种方法需要建立精确的模型，对于动态复杂的交 通网络难度较大，很难取得良好的控制效果。图解 法[2]在求解单向道路绿波参数时，具有算法和模型 简单的特点，但是其要求主干线上所有交叉路口的 周期保持一致，在把图解法应用到双向、多种等级
A Global Optimizing Method in Green Wave Control of Urban Arterial Traffic
Ting Hu1, Jingcheng Wang1, Guanglei Zhao1, Haoxuan Miao1, Zhenjiang Dong2, Zhenwei Zhang2, Jun He2, Qiang Fu2
NS NL NL NL NS NL
（b）所示。 P / P0 可以反应出一段时间内交通流拥 挤程度，一般而言，若 P / P0 大于1表示交通情况开 始恶化， P / P0 小于1表示交通状况开始好转，即绿 波带初步形成。我们假设 P / P0 的取值范围在 0 ~ 3 的范围内波动，隶属函数如图3（c）表示仿真结果 证明这样的取值范围是有效的。由于实际环境安全 性的需要，绿灯变化时间采取频繁而微小的连续累 积调整，以便平滑地改变信号灯的时间配比。因此 其隶属函数关系如图3 G 的取值范围在 -4~4 之间， （d）所示。
Qi ,i 1 表示交叉路口 i 和 i 1 之间的车辆流量。 Qi 表 示交叉路口 i 绿波方向上的直行车流量。 qi ,north _ direct , qi ,north _ left 和 qi ,south _ direct , qi ,south _ right 分 别 表示路口 i 支路的上方汇入路口的直行车流量、 左转
车流量和下方汇入路口的直行车流量和右转车流
Q Qi / (Qi 1,i qi ,north _ left
i qi ,north _ total (1 i )qi ,south _ total )
(4)
三个模糊变量都被分割为{ PL, PS , ZO, NS , NL } 五个模糊语言[14]。根据经验可以建立如表1所示的 模糊控制策略集合。
1
条干线绿波带使用粒子群算法保证全局的平均车辆 等待时间适应度函数的取值最小。配置参数的结果 经由检测器采集后，及时反馈到模糊控制器的输入 端，不断提高适应度函数的性能。仿真结果表明， 该算法在若干个信号周期后，能够稳定提高整条绿 波带的车辆通过率。
量。可以估算从支路下方右转汇入交叉路口绿波方 向上的车流量为： (1) qi ,south _ right Qi ,i 1 Qi qi ,north _ left
当部署的检测器只能检测到右转和直行车辆总流 量时，动态比例系数 由下式确定：
2 道路建模
城市道路交通绿波控制考虑的是这样一种道路 情况：干线上有若干个交叉路口，可能是由干线和 其他二级道路形成的，也可能是干线和其他干线形 成的，并且相邻交叉路口之间的距离一般不大于800 米。若大部分交叉路口都是由干线和干线交叉形 成，绿波控制就没太大的实际意义。协调控制的目 的是使得尽量多的车辆不停车的通过若干个交叉路 口，减少车辆在交叉路口的平均等待时间。本文选 取上海市某段具有代表性的道路建立模型，如图1所 示。假设交叉路口周围部署的检测器数据可以得出 红灯时等待车辆的总长度、直行和左转流量。为了 简化模型，对交叉路口做如下假设：
2
表 1. R 和 Q 模糊关系规则表
Q
R PL PS ZO NS NL
般不超过90s，因此其隶属函数如图3（a）所示。流 量比 Q 的取值范围在 0~1 之间，其隶属函数如图2
NL NL NL NL NL NL
PL PS PS PL PL PL
PS ZO ZO PS PS PS
ZO NS NS ZO PS PS
田林路 田州路 东兰路 平南路
i qi ,south _ right / qi ,south _ total
1 1
N
N
(2)
qi ,south _ total 表示支路上方两车道检测器收集的 右转和直行总车流量， N 表示统计的周期数。由于
道路交通中安全性的要求，配比参数不能快速变 化，因而在若干个周期内估算动态比例系数 就有 了实际意义。 为了便于实现主干道交叉路口信号的协调控 制，绿波带内所有交叉路口应采用相同的周期长 度，个别车流量少的交叉路口也可以采取不同的周 期， 但是必须与共同周期成倍数关系。 公共周期 T0 的 确定以车辆总延误时间最小为前提的，采取Webster 提出的车辆平均延误时间的计算方法：
R1
R2
R 和 Q 的输出在单交叉路口控制中直接转换 为输出变量绿灯时间变化量 G 。但是在绿波控制 中，绿灯相位的开启时间与绿波方向上下一个交叉 路口绿灯开启时间必须保持一定的相位差，才能形 成绿波带。本文没有对相位差的计算模型进行建 模，而是引入了全局粒子群优化算法的结果作为相 位差优化模糊控制器的输入变量，从而将单个交叉 路口和全局绿波控制关联起来。 粒 子 群 算 法 输 出 值是绿波带车辆平均等待时 间。 设 P0 为若干个周期内平均等待时间的均值，P 也 为若干个周期内的平均等待时间均值，但 P 的取值 周期小于 P0 的取值周期。取平均值而不是实时值， 是为了保证调整信号的稳定性。 P / P0 的值在经过模 糊化处理后，作为相位差优化器的输入变量，具体 流程如图2。
古龙路 平吉路 顾戴路 平阳路
280m
760m
280m
380m
320m
300m
450m
图1. 上海市某路段实际交通路况图
干线上只考虑左转和直行车辆， 右转车辆不受 控制地通过交叉路口。二级道路由于车道数 限制，右转和直行占据同一个车道，直行车 辆用动态比例系数 折算求出，直行车辆以 非饱和流量形式离开等候车队并通过路口， 行驶速率同样用 求出。 红灯转变为绿灯后， 车辆经过最初加速后， 以 恒定速率（饱和流量）离开等候车队并通过 路口。 对于每个相位， 整个Biblioteka Baidu期分为绿灯时间和红灯 时间，忽略黄灯时间。 设在绿波方向上的交叉路口编号分别为 ， 1, 2 , i . . i., 1,n. . .n , 为绿波带内交叉路口总数。
城市交通干线绿波带全局优化方法
胡霆1，王景成1，赵广磊1，苗浩轩1，董振江2，张震玮2，何军2，付强2
1. 上海交通大学自动化系，系统控制与信息处理教育部重点实验室，上海 200240 E-mail: huting@sjtu.edu.cn; jcwang@sjtu.edu.cn 2. 中兴通讯股份有限公司重庆研究所，重庆 400060 E-mail: fu.qiang6@zte.com.cn 摘 要: 通过分析城市信号交叉路口交通流的复杂性,我们得出模糊控制方法在单个交叉路口的控制特性更为适 应交通流的不确定性、随机性和突发性.但是在将模糊控制理论引入绿波协调控制中去,对多个交叉路口设计模 糊控制器时, 不可避免的造成模糊逻辑的爆炸性增长以及控制效果的直线下降.本文结合模糊控制算法和粒子 群优化算法,提出一种对多交叉路口进行全局优化的控制策略,使用粒子群算法对全局性能参数进行优化,在保 证单个交叉路口控制效果不变的情况下,在交通路面上形成整体平均等待时间最小的绿波带. 关键词: 模糊控制,粒子群算法,全局优化策略,绿波带
此项目为中兴通讯公司资助项目；上海市青年科技启明星跟踪计划项目 （11QH1401300）
道路交叉的主干线上，就会面临模型失配的问题。 以后又相继提出了人工智能等算法。沈国江、孙优 贤[3]将模糊控制算法应用于单个交叉路口的信号控 制和相序优化，展现出模糊控制算法在复杂交通网 络中良好的优化效果，但是如果简单地推广到多交 叉路口时不可避免会遇到模糊规则爆炸的问题。 Y.Chong, C.Quek 和 P.Loh[4] 使用自组织的模糊神经 网络方法对交通流进行建模和分析，但是依然只是 针对单个路口进行优化。于万霞等人 [5]运用粒子群 优化方法对单个路口的模糊控制器参数进行优化， 显示出粒子群算法在全局寻优的过程中快速收敛的 性能。 本文结合模糊控制算法和粒子群优化算法，对 单个路口使用模糊控制器进行信号配比优化，对整
T0
1.5L 5 1 Y
(3)
其中 L 为一个信号周期内损失的时间， Y 为所 有相位关键车流量比率之和 。为了建立粒子群算法 的适应度函数，还需要对每个路口的平均等待时间 进行建模，当确定了流量计算公式和公共周期后， 就可以设计相应的控制器对交叉路口进行控制了。
3 模糊控制器设计
模糊数学针对包含非定量信息的不确定系统， 它能利用模糊集的概念将不确定信息定量地表示出 来，非常适用于绿波控制中难以精确确定数学模型 的情况。首先对单个路口建立彼此独立的配时控制 器，该模糊控制器有三个模糊变量：红灯时间 R 、 绿灯时间变化量 G 和绿波方向上的流量比 Q ：
1 引言
随着城市交通负荷的与日俱增，交通拥挤已经 成为现代城市交通的严重问题。为了提高城市交通 的通行能力，针对交叉路口信号灯的控制早已经被 研究。早在1981年，Little, John D. C, Kelson[1]等人 就提出了一种优化道路交通的 MAXBAND 法 , 然而 这种方法需要建立精确的模型，对于动态复杂的交 通网络难度较大，很难取得良好的控制效果。图解 法[2]在求解单向道路绿波参数时，具有算法和模型 简单的特点，但是其要求主干线上所有交叉路口的 周期保持一致，在把图解法应用到双向、多种等级
A Global Optimizing Method in Green Wave Control of Urban Arterial Traffic
Ting Hu1, Jingcheng Wang1, Guanglei Zhao1, Haoxuan Miao1, Zhenjiang Dong2, Zhenwei Zhang2, Jun He2, Qiang Fu2
NS NL NL NL NS NL
（b）所示。 P / P0 可以反应出一段时间内交通流拥 挤程度，一般而言，若 P / P0 大于1表示交通情况开 始恶化， P / P0 小于1表示交通状况开始好转，即绿 波带初步形成。我们假设 P / P0 的取值范围在 0 ~ 3 的范围内波动，隶属函数如图3（c）表示仿真结果 证明这样的取值范围是有效的。由于实际环境安全 性的需要，绿灯变化时间采取频繁而微小的连续累 积调整，以便平滑地改变信号灯的时间配比。因此 其隶属函数关系如图3 G 的取值范围在 -4~4 之间， （d）所示。